Teoría de Sistemas

Teoría de sistemas aplicada a la minería de datos

Todas las herramientas tradicionales de minería de datos asumen que los datos que usarán para construir los modelos contienen la información necesaria para lograr el propósito buscado: obtener suficiente conocimiento que pueda ser aplicado al negocio (o problema) para obtener un beneficio (o solución).

El inconveniente es que ésto no es necesariamente cierto. Además, existe otro problema mayor aún. Una vez construido el modelo no es posible conocer si el mismo ha capturado toda la información disponible en los datos. Por esta razón la práctica común es realizar varios modelos con distintos parámetros para ver si alguno logra mejores resultados.

Con esta perspectiva y usando la Teoría de la información, es posible medir la cantidad de información disponible en los datos y qué porción de la misma podrá utilizarse para resolver la problemática del negocio. Como un ejemplo práctico, podría encontrarse que los datos contienen un 65% de la información necesaria para predecir qué cliente rescindirán sus contratos. De esta manera, si el modelo final es capaz de hacer predicciones con un 60% de acierto, se puede asegurar que la herramienta que generó el modelo hizo un buen trabajo capturando la información disponible. Ahora, si el modelo hubiese tenido un porcentaje de aciertos de sólo el 10%, por ejemplo, entonces intentar otros modelos o incluso con otras herramientas podría valer la pena.

La capacidad de medir información contenida en los datos tiene otras ventajas importantes.

Al analizar los datos desde esta nueva perspectiva se genera un mapa de información que hace innecesario la preparación previa de los datos, una tarea absolutamente imprescindible si se desea buenos resultados, pero que lleva enorme cantidad de tiempo.

Es posible seleccionar un grupo de variables óptimo que contenga la información necesaria para realizar un modelo de predicción.

Una vez que las variables son procesadas con el fin de crear el mapa de información y luego seleccionadas aquellas que aportan la mayor información, la elección de la herramienta que se usará para crear el modelo deja de tener importancia, ya que el mayor trabajo fue realizado en los pasos previos.

Teoría de sistemas aplicada a Knowledge Management 

El concepto de recursividad es una de las primeras contribuciones del pensamiento sistémico, específicamente de la teoría general de sistemas. La recursividad se puede definir simplemente como el hecho de que un sistema está compuesto de sistemas. Esto que hoy se trabaja desde la disciplina de "sistema de sistemas" (system of systems) es una noción simple pero poderosa. Así, por ejemplo, se han propuesto jerarquías de sistemas dentro de sistemas como la de K. Boulding que avanza desde lo más simple (estructuras estáticas como el electrón) hasta sistemas complejos sociales (una empresa) y llega hasta sistemas trascendentes (lo absoluto). En la versión de diez niveles de E. Laszlo se empieza con el quark, pasando por la molécula, hasta un organismo y terminando en Gaia (el planeta entero como un organismo). Seguramente no es posible que exista una jerarquía unificada (salvo quiza desde la perspectiva puramente física), pero el poder detrás de este entendimiento radica en la capacidad de usar el mismo lente, la misma visión, el mismo conjunto de características y comportamientos, independientemente de la unidad de análisis o nivel de interés. Justamente la idea es que cada nivel se pueda entender como un sistema (con partes relacionadas a través de mecanismos de retroalimentación que generan propiedades emergentes).

La gestión del conocimiento puede aprovechar la recursividad para ir agregando esfuerzos desde el nivel individual al inter-organizacional. En el nivel individual es posible aplicar la gestión del conocimiento en el aprendizaje personal (y en el aprendizaje de como aprendemos, es decir la auto-reflexión). En un nivel grupal se puede aprovechar este aprenidzaje individual para llevarlo al grupo a partir de un doble ciclo de reflexión, como hemos visto.

Tratándose de una organización, estos esfuerzos se alinean con las estrategias de un negocio para que el conocimiento generado contribuya a la creación de valor. Aquí es importante promover el flujo de información y la toma de decisiones mediante capacidades laterales (Galbraith); es decir, aquellas que son contingentes y que no se rigen por la estructura de un organigrama (especialmente si este es jerárquico) sino que permiten la comunicación lateral (entre grupos, entre departamentos). De este manera, se rompe la rigidez de una jerarquía, estimulando las capacidades dinámicas y permitiendo empoderamiento a nivel individual y mayor tiempo estratégico a nivel gerencial.

Finalmente, recursivamente, se llega al nivel inter-organizacional. Aquí el énfasis está en la construcción de redes de valor donde el conocimiento fluye entre organizaciones para generar competitividad a partir de los recursos de red y no solo a partir de los recursos de la empresa por separado. En un mundo en que el diseño, la fabricación, el ensamblado, la distribución, la comercialización y el servicio están globalizados y tienden a involucrar organizaciones distribuidas geográficamente, una estrategia de gestión de conocimiento inter-organizacional resulta imperativa.